據(jù)外媒Tech Xplore報(bào)道，麻省理工學(xué)院的研究人員最近開發(fā)了一種叫做EquBind的新模型，這個(gè)模型可以提前預(yù)測(cè)新蛋白質(zhì)分子的結(jié)構(gòu)，提升藥物開發(fā)的效率。

目前這項(xiàng)技術(shù)已經(jīng)得到了業(yè)界內(nèi)的認(rèn)可，闡述這項(xiàng)技術(shù)的論文也將在7月被國(guó)際機(jī)器學(xué)習(xí)會(huì)議（ICML）會(huì)議接收。

一、速度提升1200倍，EquBind模型能迅速篩選類藥物分子

目前，藥物研發(fā)是一件漫長(zhǎng)而又昂貴的事情。其中最主要的原因就是開發(fā)藥物的成本十分昂貴。這種成本不僅包括數(shù)十億美元的資金投入，還包括長(zhǎng)達(dá)數(shù)十年的研究時(shí)間。

而且在研發(fā)的過(guò)程中，90%的藥物都會(huì)因?yàn)闊o(wú)效或副作用太多而研發(fā)失敗，只有10%的藥物能夠順利通過(guò)食品和藥物管理局的檢查，被批準(zhǔn)上市。

因此，制藥公司會(huì)提高研發(fā)成功藥品的價(jià)格，來(lái)彌補(bǔ)研發(fā)失敗藥品造成的損失，所以目前有些藥物的價(jià)格居高不下。

▲一些蛋白質(zhì)分子結(jié)構(gòu)

如果研究人員想要進(jìn)行藥物開發(fā)，就要先找到有開發(fā)潛力的類藥物分子（drug-like molecules）。藥物研發(fā)進(jìn)程緩慢還有另一個(gè)重要的原因，那就是現(xiàn)存的類藥物分子數(shù)量龐大。數(shù)據(jù)顯示，目前現(xiàn)存的類藥物分子多達(dá)1016種，這個(gè)數(shù)字遠(yuǎn)遠(yuǎn)超出了現(xiàn)有的分子計(jì)算模型的計(jì)算上限。

為了處理數(shù)據(jù)如此龐大的分子，加快藥物開發(fā)的進(jìn)程，麻省理工學(xué)院電子工程和計(jì)算機(jī)科學(xué)系的研一學(xué)生Hannes St rk開發(fā)了一種叫做“EquBind”的幾何深度學(xué)習(xí)模型。EquBind比現(xiàn)存最快的分子計(jì)算對(duì)接模型運(yùn)行速度快1200倍，能夠更快地找到類藥物分子。

二、EquBind模型能精準(zhǔn)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，提升藥物研發(fā)效率

目前大多數(shù)傳統(tǒng)的分子計(jì)算對(duì)接模型都是通過(guò)一種叫做“配體-蛋白質(zhì)”（ligand-to-protein binding）的方法尋找類藥物分子。具體而言，模型需要先接收大量的樣本分子，然后讓配體與各種分子進(jìn)行結(jié)合，然后模型再對(duì)不同分子進(jìn)行評(píng)分，再以最后的排名來(lái)篩選出最合適的分子。但是這種做法流程繁復(fù)，模型尋找類藥物分子的效率較低。

Hannes St rk對(duì)這個(gè)過(guò)程做了一個(gè)形象的比喻，他說(shuō)：“以前的典型的‘配體-蛋白質(zhì)’方法就好像是試圖讓模型把鑰匙插入有很多鑰匙孔的鎖，模型要花費(fèi)大量的時(shí)間為鑰匙和每一個(gè)鎖孔的適配度打分，再選出最合適的那個(gè)。”

他繼續(xù)解釋道：“而EquBind可以跳過(guò)最花費(fèi)時(shí)間的步驟，可以在遇到新分子時(shí)提前預(yù)測(cè)最合適的‘鎖孔’，這就是所謂的‘盲配對(duì)’（blind docking）。EquBind有內(nèi)置的幾何推理算法，能夠幫助模型學(xué)習(xí)分子的基本結(jié)構(gòu)。這個(gè)算法可以讓EquBind在遇到新的分子時(shí)直接預(yù)測(cè)出最合適的位置，而不用花費(fèi)大量的時(shí)間嘗試不同的位置并打分。”

▲麻省理工學(xué)院

三、EquBind模型已在業(yè)界成功應(yīng)用，作者期待更多反饋

這個(gè)模型引起了治療公司Relay的首席數(shù)據(jù)官帕特·沃爾特斯（Pat Walters）的注意。沃爾斯特建議Hannes St rk的研究小組用這種模型來(lái)進(jìn)行用于治療肺癌、白血病和胃腸道腫瘤的藥物開發(fā)。通常而言，用于這些領(lǐng)域藥物的蛋白質(zhì)配體很難用大多數(shù)傳統(tǒng)的方法對(duì)接，但是EquBind卻能讓它們成功對(duì)接。

▲兩種治療肺癌的抑制劑藥物

沃爾特斯說(shuō)：“EquBind為蛋白質(zhì)對(duì)接問(wèn)題提供了一種獨(dú)特的解決方案，它解決了結(jié)構(gòu)預(yù)測(cè)和綁定位點(diǎn)識(shí)別等問(wèn)題。這種方法可以很好地利用數(shù)千種公開的晶體結(jié)構(gòu)信息，EquBind可能會(huì)以新的方式影響這個(gè)領(lǐng)域。”

發(fā)表這項(xiàng)技術(shù)的論文將在7月被國(guó)際機(jī)器學(xué)習(xí)會(huì)議（ICML）接收，該論文的作者Hannes St rk表示：“我很期待能在這次會(huì)議上收到一些關(guān)于EquBind模型的改進(jìn)意見。”

結(jié)語(yǔ)：AI與制藥適配度極佳，發(fā)展勢(shì)頭正盛

AI制藥是一個(gè)2020年才走進(jìn)公眾視野的新興領(lǐng)域。

制藥領(lǐng)域是一個(gè)天然的AI場(chǎng)景。新藥研發(fā)的長(zhǎng)周期、高成本、低成功率，給AI留下了龐大的用武之地：機(jī)器可以自主學(xué)習(xí)數(shù)據(jù)、挖掘數(shù)據(jù)，總結(jié)歸納專家經(jīng)驗(yàn)外的藥物研發(fā)規(guī)律，繼而優(yōu)化藥物研發(fā)流程中的各個(gè)環(huán)節(jié)，這不僅可以提升藥物研發(fā)效率與成功率，還有望降低研發(fā)費(fèi)用和試錯(cuò)成本。

因?yàn)檫@樣的特性和發(fā)展?jié)摿Γ壳癆I制藥勢(shì)頭正盛。但也有業(yè)內(nèi)人士唱衰，說(shuō)AI在制藥過(guò)程中扮演的終歸只是輔助角色，繞不開行業(yè)固有的流程和機(jī)制，不可能用兩三年的時(shí)間做完十年的事。

但是整體而言，目前AI制藥領(lǐng)域還是不斷有新的技術(shù)突破，發(fā)展蒸蒸日上。